Это позволит стандартизировать процессы разработки, оптимизировать вычислительные ресурсы для применения моделей машинного обучения и обеспечит стабильность их работы в промышленной эксплуатации.
Данный подход заложил основу для управления полным жизненным циклом ML-моделей, что открывает возможности для применения передовых инструментов разработки и эксплуатации ML-решений.
Его техническая реализация включает кластер для управления вычислительными ресурсами и веб-среду для разработки ML-моделей и экспериментов. Для автоматизации внедрения моделей машинного обучения используется комплексная система GitLab CI/CD, позволяющая выстроить единый алгоритм вывода модели от стадии разработки до применения в промышленной эксплуатации.
В дальнейшем Уралсиб планирует расширить архитектуру MLOps-инфраструктуры за счет новых компонентов, а также оптимизировать работу профильных подразделений с помощью стандартизации подходов разработки.
| *ML (Machine Learning) – машинное обучение. MLOps (Machine Learning Operations) – специальные практики для управления жизненным циклом моделей машинного обучения. Реклама. ПАО «БАНК УРАЛСИБ», uralsib.ru, erid: F7NfYUJCUneTRTzMUdod |
